基于多传感器数据融合的早期林火识别

针对我国林火监测现状,为加强近地面监测中的早期林火发现,提出采用多传感器数据融合算法对早期林火进行识别的方法。通过设计林火仿真试验,采集CO₂浓度、CO浓度、烟雾浓度与空气温湿度等多传感器数据,并通过初步分析从中选取关键贡献率传感器数据。然后分别采用BP神经网络算法、神经模糊系统算法与支持向量机算法对数据进行识别与分析, 并在每个算法中均设置三输入与九输入2种不同输入向量数以进行比较。最后通过定义的识别性能评价参数对识别效果进行比较,得出支持向量机算法在一定范围内能较好地实现对早期林火的识别。     

环境监测中多传感器数据融合研究

[目的]针对环境监测中单一传感器测量数据精度低、可靠程度低的问题,本文提出在无线传感网络监测系统中,通过改进自适应加权融合算法并利用模糊神经网络算法实现多传感器数据融合,来提高环境监测的准确性。[方法]基于多传感器同一时段采集的数据,先采用欧式距离及相关函数改进的自适应加权算法进行同质传感器数据融合,再设计模糊神经网络分类器把异质传感器的数据转化为环境质量等级信息。[结果]仿真实验显示出本文提出的同质传感器数据融合算法融合精度较高于其他几种算法、模糊神经网络算法通过对350组训练样本的学习后能够对96%的验证样本的环境等级进行正确分类且预测曲线基本可以拟合实际输出。[结论]本文的同质传感器数据融合算法提高了数据融合精度,异质传感器数据融合算法能够对整体环境质量得出较可靠的评价。     

目标识别的灰关联方法研究

探讨了灰色系统理论在目标识别中的应用,提出了目标识别的矢量灰关联算法、复数灰关联算法、模糊数灰关联算法和矩阵灰关联算法.实例计算表明,灰关联分析用于目标识别,是一个简洁而实用的方法.     

基于关联数据融合的地表移动传感器节点

开发了具有多个相关联传感器的地表移动传感器节点;提出一种基于专家系统进行关联数据处理的几何方格面积数据融合方法,即主要采用软硬件结合的方式,利用专家系统预设的节点环境阈值与传感器实际感测的数据相结合进行关联数据处理,将数据关系转化为几何方格面积,从而实现分类分层次的数据融合.结果表明：该方法能够对多个不同类型传感器提供的相同特征数据、互补特征数据、并行特征数据、条件关联数据进行融合;与传统传感器节点相比,地表移动传感器节点感测信息的准确率更高,能量消耗更低.     

基于camshift仿生机器鱼水下探测算法的设计与实现

提出了一种集成多个红外测距传感器,CMOS摄像头的仿生机器鱼,设计了仿生机器鱼的传感器网络,分析了仿生机器鱼在水面上与障碍物和目标物之间的几何关系.对漂移算法中的camshift算法进行了介绍,并把camshif算法运用到仿生机器鱼的视觉算法中.以模糊算法为基础设计了一种有效的路径规划控制算法.通过camshit算法与路径控制算法有效的结合,使机器鱼能够在水中自主躲避障碍物,并探测到目标物反馈信息.最后用试验验证了算法的有效性.     

土地评价中关联规则与C4.5规则的应用比较

关联规则和C4.5规则能提高土地评价知识表达的可解释性和土地评价的有效性,克服传统土地评价方法中人为因素多的缺点。为对比关联规则和C4.5规则在应用中的差异,文章基于广东省土地评价数据库,在相同实验条件下进行了关联规则和C4.5规则的挖掘,并结合模糊判决算法分别建立了基于这2种分类规则的模糊分类器进行测试。结果表明,2种算法各有优缺点。其中关联规则具有更好的可支持排序标准、更客观的冗余规则去除算法以及更高的准确率;但其对数据属性要求比较高,挖掘速度也远不如C4.5规则;C4.5规则准确率略低,但其计算成本低、速度快。     

基于C4.5算法的无线传感器网络农业环境部署节点故障诊断方法

通过采集农业环境下无线传感器网络节点所采集的数据,基于C4.5算法挖掘故障诊断关联规则,建立了农业环境部署节点故障诊断模型。结果表明,该模型能够比较好地对故障无线传感器网络节点进行识别。     

基于多数据融合的山林防火系统

针对陕北山林火灾探测系统中的缺陷,本文提出了运用多传感器数据融合技术开展山林火情探测,并进行了仿真结果验证,以实现对火情的提前预警。采用温湿度传感器、CO浓度传感器、烟雾传感器和土地墒情传感器采集山林的环境数据,对同一时间采集的数据进行方差计算处理,再使用BP神经网络和模糊处理的方式对预处理后的方差值进行数据融合,最终得到该时某点山林的着火概率,运用无线传输设备及时通知管理人员采取措施。陕北山林实地模拟测试表明,该系统可以有效监测到山林的数据情况,能准确监测火情的大小并对着火点进行林间定位,为陕北山区森林提供了一种可执行的监测方案。     

基于多传感器数据融合的温室温湿度控制系统设计

介绍了1种基于多传感器数据融合的温室温湿度控制系统的设计,包括系统组成、多传感器数据融合算法的设计以及具体实现。本系统利用改进的拉依达准则剔除异常值,再通过自适应加权平均算法对温湿度分别进行数据融合,根据融合后的温湿度数据确定控制策略,调整温室环境参数,提高了系统的精确度和可靠性。     

AIS与雷达目标信息模糊融合算法与实现

为达到优势互补的目的,将AIS与雷达目标信息进行融合处理.采用时空粗关联融合判断及多因素模糊综合决策的方法,研究了AIS（船舶自动识别系统）与雷达目标动态信息融合算法.计算机仿真结果表明关联门限值为0.75时,融合后目标更靠近AIS目标.实测验证该方法可以有效地提高目标信息的精度与可靠性.     

基于迁移学习和数据增强的小样本柑橘缺陷检测研究

小样本目标检测旨在通过少量样本实现对图像中目标的识别和定位。目前针对柑橘缺陷的小样本数据集进行的检测较少,本文提出了使用数据增强和迁移学习来对小样本柑橘的缺陷类型进行检测的方法,采用旋转、裁剪和高斯模糊进行数据增强来扩充数据集,与使用迁移学习方法进行对比。实验表明：迁移学习方法中最优算法是FRCN ft-full,基于该算法的20-shot任务的mAP值为67.823%;在基于数据增强的方法中使用Faster R-CNN算法的mAP值达到了84.7%,使用YOLOv8算法的mAP是85.3%,YOLOv8算法略优于Faster R-CNN算法。迁移学习方法增强了检测模型的泛化能力,加快了模型的收敛速度;数据增强方法有效扩充了数据集,提升了小样本柑橘缺陷检测模型的准确性。     

基于阈值判决的无线传感器网络混沌信号重构

考虑在传感器网络中重构混沌信号的问题.各传感器同时观测一个混沌信号.由于带宽受限,各传感器量化观测信号并将量化后的数据发送到融合中心,该中心使用无先导卡尔曼滤波算法重构观测的混沌信号.为了节省能量,只有观测信号信噪比高于某个阈值的传感器被选中并发送数据.定义代价函数关联重构性能和能量消耗,分析并仿真了代价函数和阈值之间的关系.结果表明在某些情况下部分传感器发送数据更合理.     

基于DS证据理论的精馏塔故障诊断方法

研究了一种基于多传感器信息融合算法对精馏塔出现的故障进行诊断的方法。首先利用小波分析对精馏塔传感器信号进行有效的滤波预处理,预处理后的数据送入BP神经网络进行初级融合,然后将初级融合后的数据当作DS证据理论的证据对精馏塔故障进行诊断,由最终概率赋值结果可知最大可信度,则可以判断故障的发生。仿真结果显示该算法比单信息故障诊断能取得更准确、更可靠的诊断结果。     

基于可穿戴设备的山羊行为分类

本文利用基于Atmel 328p芯片搭建的Arduino最小系统,集成了三轴加速度传感器和存储卡以及蓝牙4.0模块,设计了一种针对山羊日常行为活动数据采集的可穿戴设备。设备将传感器实时采集的数据保存到存储卡中,再通过蓝牙4.0模块传输到服务器。在服务器端运用了模糊C-均值聚类算法分析数据,实现了对山羊日常活动行为的分类,为山羊精准饲养模型建立提供了可靠的数据基础。     

复杂背景下目标树叶的分割与补缺

为了进一步提高复杂背景下目标树叶分割算法的运行效率和准确性,在超绿算法的基础上结合模糊C聚类算法提高分割的运行效率,利用凸包填充法提高分割的准确性。首先利用超绿算法去除复杂背景中的非绿色部分,然后利用模糊C聚类算法去除与目标树叶颜色差异较大的绿色背景,而对于颜色差异较小的绿色背景,则先利用底帽变换得到目标树叶的边缘信息,再通过腐蚀和比较连通区域的大小进行去除。采用凸包填充法对目标树叶的边缘缺口进行补缺可以提高分割的准确性,从而降低错分率。超绿算法结合模糊C聚类算法可提高分割的运行效率。研究结果表明,与原有算法对比,错分率平均降低了1.05%,分割效率平均提高了13.82%。     

基于高分辨率遥感数据与TSE方法的生态系统精细化管理技术研究

合理组织遥感监测,积极推行遥感社会化,对多平台、多传感器进行遥感监测数据进行拆分或复合,以获得更高分辨率遥测数据。运用地面监测数据和历史遥感数据,建立遥感数据解读模型,并通过PDCS循环,不断提高遥感数据的解读精度与准确度。根据需要提取所需要的目标信息,建立TSE分析模型,通过系统关键因子分析与健康管理,可以实现对森林资源、生物灾害、土地利用、区域规划、交通管理、减商化等的精细化管理。     

模糊C-均值聚类对点云数据的分割

点云数据的分割是点云数据处理流程中的重要内容,同时也是点云数据三维重建的前提和基础.该研究在模糊C-均值聚类(FCM)算法的基础上,根据标靶点云和建筑物点云数据的不同特征进行实验,通过Matlab对地面雷达的标靶、建筑物点云数据进行分割,探讨模糊C-均值聚类算法对点云数据分割的可行性.实验结果显示,通过选择正确点云数据的特征属性,利用模糊C-均值算法对点云数据分割具有一定的可行性.     

基于多数据融合+BP神经网络的农业温室大棚环境监控系统的研究

研究了一种基于多数据融合+BP神经网络的农业温室大棚监控系统。在大棚内部设置多点传感器，避免单个传感器测量不准确的问题，通过加权平均算法进行数据融合，再结合BP神经网络对参数的变化趋势进行判断，最终得到决策后的控制策略。本研究实现了更为精准的大棚环境参数预测，多数据融合后的参数更准确，再进行神经网络的训练，获得各参数变化的趋势，为农业温室大棚提供良好的植株生长环境。     

数据挖掘技术在高校教学质量评价系统中的应用

本文以笔者所在院校的学生数据为依据,对教学质量评价系统中的数据进行挖掘,分析了关联规则算法中Apriori算法,并针对传统算法的弊端,在已有改进算法的基础上,提出了一种基于最小关联规则集的改进算法,以此方法对教师的基本信息、教学方法与教学评估结果的关联关系进行分析。     

含分布式发电的配电网规划优化算法的研究

针对遗传算法在进行多目标优化时,收敛速度慢且易早熟的问题,提出一种改进自适应遗传算法,改进了选择方法和终止判据,并对交叉和变异概率的选取进行了自适应处理。针对含分布式发电的配电网规划的多目标性,采用模糊理论引入总体满意度很好地解决了多目标归一化问题。仿真算例表明:改进的算法能有效地寻找到全局最优解,明显提高收敛速度,具有良好的自适应特性。